Ce projet permet de centraliser et structurer les données relatives aux aidants et aux structures d'aide en France. Il facilite l'extraction et l'analyse des informations pour les acteurs sociaux, les collectivités locales et les institutions publiques. Les données normalisées et paginées améliorent la gestion des dispositifs d'aide et optimisent les processus de reporting.

Plateforme publique permettant aux citoyens de prendre des rendez-vous en ligne avec les services sociaux de leur département. Le service vise à fluidifier l'accès aux aides et accompagnements sociaux en réduisant les absences aux rendez-vous. Il s'adresse aussi bien aux usagers qu'aux agents des services sociaux pour une gestion optimisée des créneaux.

Ce package R fournit des outils pour le modèle de microsimulation Autonomix, utilisé par la DREES pour analyser et simuler les politiques sociales et sanitaires. Il permet de traiter des données d'enquêtes comme l'Aide Sociale et des projections démographiques, afin d'évaluer l'impact des réformes et d'optimiser les dépenses publiques dans les domaines sociaux et sanitaires.

OpenFisca-Reformator est un outil d'optimisation algorithmique du système fiscal et des aides sociales. Il permet de définir des concepts et un budget, et aide à ajuster les paramètres de la réforme pour s'approcher de la législation actuelle et respecter le budget défini. L'outil s'appuie sur un algorithme de machine learning pour minimiser le budget et maximiser la similarité avec la législation actuelle.

Plateforme publique permettant aux citoyens et aux administrations de réaliser et gérer des démarches administratives en ligne. Elle facilite le dépôt, le suivi et le traitement des dossiers dématérialisés, réduisant ainsi l'usage du papier et accélérant les échanges entre usagers et services publics. Le service est accessible à tous et propose une interface intuitive ainsi qu'un accompagnement via une FAQ et une documentation dédiée.

Ce projet fournit des ressources pédagogiques pour les étudiants de l'ENSEEIHT en Sciences du Numérique. Il couvre deux matières principales : l'optimisation sans contraintes et les méthodes des différences finies pour les équations aux dérivées partielles (EDP). Les étudiants y trouvent des polycopiés, des travaux dirigés, des sujets de TP et des fichiers sources pour approfondir leurs connaissances.

Le projet optimisation vise à améliorer l'efficacité et la productivité des processus métiers grâce à l'automatisation et au suivi en temps réel. Il permet de simplifier les tâches répétitives, de détecter rapidement les goulets d'étranglement et de prendre des mesures correctives.

Le projet Optimisation vise à améliorer l'efficacité et la productivité des processus métiers grâce à l'automatisation et la gestion de workflows. Il permet de simplifier et d'accélérer les tâches répétitives, offrant ainsi un gain de temps et une meilleure qualité de travail.